Bir meta analizde alt puanları en iyi nasıl ele alabilirim?

Metafor paketini kullanarak R etki boyutlarının d meta-analizini yapıyorum . d , hastalar ile sağlıklı arasındaki bellek puanlarındaki farklılıkları temsil eder. Bununla birlikte, bazı çalışmalar sadece ilgili d ölçümünün alt skorlarını rapor etmektedir (örneğin, birkaç farklı bellek skoru veya üç ayrı bellek testi bloğundan alınan skorlar). Lütfen çalışmaların etki boyutlarını ve standart sapmalarını sd temsil eden d ile aşağıdaki kukla veri kümesine bakın :

d <- round(rnorm(5,5,1),2)
sd <- round(rnorm(5,1,0.1),2)
study <- c(1,2,3,3,3)
subscore <- c(1,1,1,2,3)
my_data <- as.data.frame(cbind(study, subscore, d, sd))

library(metafor)
m1 <- rma(d,sd, data=my_data)
summary(m1)

Bu alt puanları nasıl ele alacağınızı en iyi şekilde düşünmek istiyorum - örneğin:

1. Her çalışmadan birden fazla puan bildiren bir alt puan seçin.
2. Tüm alt puanları dahil et (bir çalışmanın alt puanları aynı örnekten geldiğinden, rfx modelinin bağımsızlık varsayımını ihlal eder)
3. Alt skorları raporlayan her çalışma için: bir ortalama skor ve ortalama standart sapma hesaplayın ve bu "birleştirilmiş etki büyüklüğü" nü rfx meta-analizine dahil edin.
4. Tüm alt puanları dahil edin ve hangi çalışmanın belirli bir puanın türetildiğini gösteren bir kukla değişken ekleyin.

Bu veri türü, bağımlı etki boyutları olarak bilinir. Bağımlılığı ele almak için çeşitli yaklaşımlar kullanılabilir. Üç seviyeli meta-analiz kullanılmasını tavsiye ederim (Cheung, 2014; Konstantopoulos, 2011; Van den Noortgate ve ark.2013). Seviye 2 ve seviye 3 heterojenitesine olan değişimi ayrıştırır. Örneğin, seviye 2 ve seviye 3 heterojenliği, alt ölçekler ve çalışmalardan kaynaklanan heterojenliği ifade eder. R'de uygulanan metaSEM paketi ( http://courses.nus.edu.sg/course/psycwlm/Internet/metaSEM/ ) üç seviyeli meta analiz yapma işlevleri sağlar. Örneğin,

## Your data
d <- round(rnorm(5,5,1),2)
sd <- round(rnorm(5,1,0.1),2)
study <- c(1,2,3,3,3)
subscore <- c(1,1,1,2,3)
my_data <- as.data.frame(cbind(study, subscore, d, sd))

## Load the library with the data set  
library(metaSEM)
summary( meta3(y=d, v=sd^2, cluster=study, data=my_data) )

Çıktı:

Running Meta analysis with ML 

Call:
meta3(y = d, v = sd^2, cluster = study, data = my_data)

95% confidence intervals: z statistic approximation
Coefficients:
            Estimate  Std.Error     lbound     ubound z value  Pr(>|z|)    
Intercept 4.9878e+00 4.2839e-01 4.1482e+00 5.8275e+00  11.643 < 2.2e-16 ***
Tau2_2    1.0000e-10         NA         NA         NA      NA        NA    
Tau2_3    1.0000e-10         NA         NA         NA      NA        NA    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Q statistic on homogeneity of effect sizes: 0.1856967
Degrees of freedom of the Q statistic: 4
P value of the Q statistic: 0.9959473
Heterogeneity indices (based on the estimated Tau2):
                              Estimate
I2_2 (Typical v: Q statistic)        0
I2_3 (Typical v: Q statistic)        0

Number of studies (or clusters): 3
Number of observed statistics: 5
Number of estimated parameters: 3
Degrees of freedom: 2
-2 log likelihood: 8.989807 
OpenMx status1: 1 ("0" and "1": considered fine; other values indicate problems)

Bu örnekte, heterojenliği modellemek için seviye 2 ve seviye 3 heterojenitesinin tahminleri 0'a yakındır. Düzey 2 ve seviye 3 ortak değişkenler de dahil edilebilir. Üç seviyeli meta analizle ilgili daha fazla örneği http://courses.nus.edu.sg/course/psycwlm/Internet/metaSEM/3level.html adresinde bulabilirsiniz.

Referanslar

Cheung, MW-L. (2014). Bağımlı etki büyüklüklerini üç düzeyli meta-analizlerle modelleme: Yapısal bir denklem modelleme yaklaşımı . Psikolojik Yöntemler , 19 (2), 211-29. doi: 10.1037 / a0032968.

Konstantopoulos, S. (2011). Üç seviyeli meta-analizde sabit etkiler ve varyans bileşenleri tahmini. Araştırma Sentez Yöntemleri , 2 (1), 61-76. doi: 10.1002 / jrsm.35

Van den Noortgate, W., López-López, JA, Marín-Martínez, F. ve Sánchez-Meca, J. (2013). Bağımlı etki büyüklüklerinin üç seviyeli meta analizi. Davranış Araştırma Yöntemleri , 45 (2), 576-594. doi: 10,3758 / s13428-012-0261-6

Zor bir durum olduğuna katılıyorum. Bunlar sadece birkaç düşünce.

Ortalama d etki büyüklüğünün olup olmadığı: Alt ölçeklerle ilgilenmiyorsanız, ilk tercihim belirli bir çalışmada alt ölçeklerin ortalama etki büyüklüğünü almak olacaktır.

Bu, tüm alt ölçeklerin araştırma sorunuzla eşit derecede alakalı olduğunu varsayar. Bazı ölçekler daha alakalı ise, bu alt ölçekleri kullanabilirim.

Alt ölçekler arasındaki farklarla ilgileniyorsanız, tür için kodlanan her alt ölçek için efekt boyutunu dahil etmek mantıklıdır.

D efekti boyutlarının standart hatası: Muhtemelen d' nin standart hatasını hesaplamak için d formülüne ve grup örnek boyutlarına göre bir formül kullanıyorsunuzdur. Bu formülü uyarlayarak ,

nerede $n_1$ ve $n_2$ karşılaştırılan iki grubun örnek boyutlarıdır ve $d$ Cohen'in $d$.

Alt ölçeğin ortalama d değerine standart hatayı hesaplamak için böyle bir formül uygulayabileceğinizi düşünüyorum.